Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/2884
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorJuvenal Rodríguez Reséndizes_ES
dc.creatorDiana Carolina Toledo Pérezes_ES
dc.date2022-06-16-
dc.date.accessioned2021-05-18T16:40:32Z-
dc.date.available2021-05-18T16:40:32Z-
dc.date.issued2022-06-16-
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/2884-
dc.description"En este trabajo de investigación se realiza la clasificación de señales mioeléctricas, utilizando un algoritmo a través de máquinas de soporte vectorial. El objetivo de esta clasificación es que, en trabajos posteriores, el resultado de la clasificación se utilice en el accionamiento de prótesis que se encuentren debajo de la rodilla. Para el desarrollo de la investigación se diseñaron y elaboraron tarjetas de adquisición de señales de electromiografía, las cuales envían las señales obtenidas a la PC. Con éstas se conformó una base de datos, con la cual se hicieron las pruebas de clasificación. Para el pretratamiento, las señales son filtradas y posteriormente se les hace una extracción de características, para formar el vector de entrada al algoritmo. En una primera etapa, se realizó una comparativa de canales, con la finalidad de conocer si los cuatro canales utilizados son necesarios para obtener una mejor clasificación. Sin embargo, se encontró que uno de los músculos no tiene suficiente relevancia. Luego se analizaron diferentes algoritmos de selección de características, encontrando que el más efectivo es el Relief. Después se implementaron diferentes algoritmos de reducción de características, y se eligió implementar un análisis de componentes principales. Más adelante, se realizaron comparaciones entre los resultados de la clasificación obtenidos con diferentes kernels, cuyos resultados arrojaron que el kernel lineal es el más útil al clasificar las señales de electromiografía obtenidas. Los parámetros usados para comparar el algoritmo fueron eficiencia, precisión, sensibilidad y especificidad. Para calcularlos se utilizaron matrices de confusión y se hicieron 10 diferentes pruebas. En la etapa de validación se utilizó otra base de datos utilizada en la clasificación de otra publicación, probando que el algoritmo propuesto en este trabajo de investigación es mejor. Se mejoró la clasificación desde un 2.75% hasta un 6.95%. Con las 10 pruebas realizadas al algoritmo propuesto, la especificidad promedio fue del 98%, la sensibilidad del 88%, la exactitud del 96.6% y la precisión del 87.9%."es_ES
dc.formatAdobe PDFes_ES
dc.language.isoEspañoles_ES
dc.relation.requiresSies_ES
dc.rightsEn Embargoes_ES
dc.subjectClasificación de señales mioeléctricases_ES
dc.subjectMáquinas de soporte vectoriales_ES
dc.subjectSVMses_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleClasificación de señales mioeléctricas a partir de SVMs para el accionamiento de una prótesis transtibiales_ES
dc.typeTesis de doctoradoes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificador0000-0002-2230-6751es_ES
dc.contributor.identificadorRORJ840929HQTDSV02es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameDoctorado en Ciencias de la Computaciónes_ES
dc.degree.departmentFacultad de Informáticaes_ES
dc.degree.levelDoctoradoes_ES
Aparece en: Doctorado en Ciencias de la Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI005929.pdf1.43 MBAdobe PDFPortada
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.